本發(fā)明涉及語音信號處理，具體涉及用于詐騙信號識別的語音信號處理方法及系統(tǒng)。

背景技術(shù)：

1、隨著手機等可移動終端設(shè)備的迅速普及，使得個人身份信息暴露于互聯(lián)網(wǎng)中。電話號碼被泄露獲取后，通過電話、短信等通訊形式實現(xiàn)電話騷擾，騙取用戶信任，對正常通訊環(huán)境造成了嚴(yán)重的破壞。

2、通過ai語音識別算法模型可以有效地對詐騙騷擾電話快速鑒別，遏制不良電話通信的發(fā)生頻率。但現(xiàn)有語音識別算法模型中受限于詐騙騷擾電話音頻數(shù)據(jù)樣本質(zhì)量，其識別精度在噪聲場景下出現(xiàn)較大波動。在電話音頻信號去噪處理過程中，通過設(shè)定固定小波閾值進行去噪，導(dǎo)致電話音頻信號噪聲干擾較大，極大地影響了詐騙音頻的準(zhǔn)確識別。

技術(shù)實現(xiàn)思路

1、為了解決以上的技術(shù)問題，本發(fā)明的目的在于提供用于詐騙信號識別的語音信號處理方法及系統(tǒng)。

2、根據(jù)本技術(shù)實施例的第一方面，本技術(shù)提供的用于詐騙信號識別的語音信號處理方法，所采用的技術(shù)方案具體如下：方法包括：

3、采集用戶輸入的語音信號，將所述語音信號轉(zhuǎn)換為語音模擬信號，對所述語音模擬信號進行emd分解，獲得多個imf分量；

4、對每個所述imf分量進行數(shù)據(jù)分段，獲得數(shù)據(jù)段，分析所述imf分量中所有數(shù)據(jù)段的波動特征，獲得所述數(shù)據(jù)段的波動系數(shù)；

5、根據(jù)所述波動系數(shù)，結(jié)合噪聲數(shù)據(jù)的波動特征，獲得所述imf分量中的疑似噪聲數(shù)據(jù)段；

6、分析所述imf分量中所述疑似噪聲數(shù)據(jù)段的占比情況，獲得所述imf分量的噪聲貢獻度；

7、根據(jù)所述噪聲貢獻度，調(diào)整小波去噪中所述imf分量的小波系數(shù)閾值，確定所述imf分量的自適應(yīng)小波系數(shù)閾值；

8、根據(jù)所述自適應(yīng)小波系數(shù)閾值，對所述imf分量進行小波變換去除噪聲數(shù)據(jù)，將去噪后的imf分量進行疊加重構(gòu)，得到去噪語音模擬信號。

9、在本發(fā)明的一些實施例中，分析所述imf分量中所有數(shù)據(jù)段的波動特征，獲得所述數(shù)據(jù)段的波動系數(shù)，包括：

10、分析所述數(shù)據(jù)段中所有相鄰特征點的特征值的差異特征，獲得相鄰特征點平均差異；

11、分析所述數(shù)據(jù)段中所有特征點的特征值與所有特征點的特征值均值的差異，獲得所述數(shù)據(jù)段中特征點的離散程度；

12、對所述數(shù)據(jù)段中所有特征點進行stl殘差分解，獲得所述數(shù)據(jù)段中所有特征點的stl殘差均值；

13、根據(jù)所述相鄰特征點平均差異、所述離散程度、所述stl殘差均值，獲得所述數(shù)據(jù)段的波動系數(shù)。

14、在本發(fā)明的一些實施例中，所述波動系數(shù)的計算公式為：

15、

16、式中，表示第個imf分量中第個數(shù)據(jù)段的波動系數(shù)，表示第個imf分量中第個數(shù)據(jù)段中第個特征點的特征值大小，表示第個imf分量中第個數(shù)據(jù)段中第個特征點的特征值大小，表示第個imf分量中第個數(shù)據(jù)段中特征點的個數(shù)，表示第個imf分量中第個數(shù)據(jù)段中所有特征點的特征值大小均值，表示第個imf分量中第個數(shù)據(jù)段中第個特征點的stl殘差值，表示歸一化函數(shù)。

17、在本發(fā)明的一些實施例中，根據(jù)所述波動系數(shù)，結(jié)合噪聲數(shù)據(jù)的波動特征，獲得所述imf分量中的疑似噪聲數(shù)據(jù)段，包括：

18、分析所述imf分量中一個數(shù)據(jù)段的波動系數(shù)與其他所有數(shù)據(jù)段的波動系數(shù)的差異特征，獲得所述數(shù)據(jù)段的波動差異；

19、通過ampd方法檢測所述數(shù)據(jù)段中的極值點，統(tǒng)計所述極值點的數(shù)量，根據(jù)所述極值點的數(shù)量，結(jié)合所述數(shù)據(jù)段的持續(xù)時間與對應(yīng)的所述imf分量中所有數(shù)據(jù)段的持續(xù)時間的最小值的差值，獲得所述數(shù)據(jù)段的波動頻繁性；

20、分析所述數(shù)據(jù)段的極差與對應(yīng)的所述imf分量中所有數(shù)據(jù)段的極差均值的關(guān)系，獲得所述數(shù)據(jù)段的相對極差；

21、根據(jù)所述波動差異、所述波動頻繁性、所述相對極差，獲得所述數(shù)據(jù)段的噪聲可能性；

22、根據(jù)所述噪聲可能性，獲得所述imf分量中的疑似噪聲數(shù)據(jù)段。

23、在本發(fā)明的一些實施例中，所述噪聲可能性的計算公式為：

24、

25、式中，表示第個imf分量中第個數(shù)據(jù)段的噪聲可能性，表示第個imf分量中第個數(shù)據(jù)段的波動系數(shù)，表示第個數(shù)據(jù)段所處的第個imf分量的其他數(shù)據(jù)段中第個數(shù)據(jù)段的波動系數(shù)，表示第個imf分量中存在的數(shù)據(jù)段數(shù)量，表示第個imf分量的第個數(shù)據(jù)段中存在的極值點的個數(shù)，表示第個imf分量中第個數(shù)據(jù)段的持續(xù)時間，表示第個imf分量中所有數(shù)據(jù)段持續(xù)時間的最小值，表示第個imf分量中第個數(shù)據(jù)段的極差大小，表示第個imf分量中所有數(shù)據(jù)段極差的平均值，表示歸一化函數(shù)。

26、在本發(fā)明的一些實施例中，所述數(shù)據(jù)段的極差為所述數(shù)據(jù)段中所有特征點的特征值的最大值與最小值的差值。

27、在本發(fā)明的一些實施例中，所述imf分量的噪聲貢獻度為：所述imf分量中所有疑似噪聲數(shù)據(jù)段的持續(xù)時長之和與所述imf分量的總持續(xù)時長的比值。

28、在本發(fā)明的一些實施例中，所述自適應(yīng)小波系數(shù)閾值為，根據(jù)所述imf分量中最大的小波系數(shù)與最小的小波系數(shù)差值，將所述imf分量的噪聲貢獻度作為所述小波系數(shù)差值的權(quán)重值，確定所述imf分量的自適應(yīng)小波系數(shù)閾值。

29、根據(jù)本技術(shù)實施例的第二方面，提供的用于詐騙信號識別的語音信號處理系統(tǒng)，所述系統(tǒng)包括：存儲器和處理器，其中：

30、所述存儲器，用于存儲程序代碼；

31、所述處理器，用于讀取所述存儲器中存儲的程序代碼，并執(zhí)行任一項所述的方法。

32、在本發(fā)明的一些實施例中，所述處理器包括：

33、語音識別模塊，用于采集用戶輸入的語音信號，將所述語音信號轉(zhuǎn)換為語音模擬信號，對所述語音模擬信號進行emd分解，獲得多個imf分量；

34、波動系數(shù)模塊，用于對每個所述imf分量進行數(shù)據(jù)分段，獲得數(shù)據(jù)段，分析所述imf分量中所有數(shù)據(jù)段的波動特征，獲得所述數(shù)據(jù)段的波動系數(shù)；

35、疑似噪聲數(shù)據(jù)段模塊，用于根據(jù)所述波動系數(shù)，結(jié)合噪聲數(shù)據(jù)的波動特征，獲得所述imf分量中的疑似噪聲數(shù)據(jù)段；

36、噪聲貢獻度模塊，用于分析所述imf分量中所述疑似噪聲數(shù)據(jù)段的占比情況，獲得所述imf分量的噪聲貢獻度；

37、自適應(yīng)小波系數(shù)閾值模塊，用于根據(jù)所述噪聲貢獻度，調(diào)整小波去噪中所述imf分量的小波系數(shù)閾值，確定所述imf分量的自適應(yīng)小波系數(shù)閾值；

38、去噪語音模擬信號模塊，用于根據(jù)所述自適應(yīng)小波系數(shù)閾值，對所述imf分量進行小波變換去除噪聲數(shù)據(jù)，將去噪后的imf分量進行疊加重構(gòu)，得到去噪語音模擬信號。

39、相較于現(xiàn)有技術(shù)，本發(fā)明提供的用于詐騙信號識別的語音信號處理方法及系統(tǒng)，具有如下有益效果：

40、本發(fā)明通過采集用戶輸入的語音信號，將所述語音信號轉(zhuǎn)換為語音模擬信號，對所述語音模擬信號進行emd分解，獲得多個imf分量；對每個所述imf分量進行數(shù)據(jù)分段，獲得數(shù)據(jù)段，分析所述imf分量中所有數(shù)據(jù)段的波動特征，獲得所述數(shù)據(jù)段的波動系數(shù)；根據(jù)所述波動系數(shù)，結(jié)合噪聲數(shù)據(jù)的波動特征，獲得所述imf分量中的疑似噪聲數(shù)據(jù)段；分析所述imf分量中所述疑似噪聲數(shù)據(jù)段的占比情況，獲得所述imf分量的噪聲貢獻度；根據(jù)所述噪聲貢獻度，調(diào)整小波去噪中所述imf分量的小波系數(shù)閾值，確定所述imf分量的自適應(yīng)小波系數(shù)閾值；根據(jù)所述自適應(yīng)小波系數(shù)閾值，對所述imf分量進行小波變換去除噪聲數(shù)據(jù)，將去噪后的imf分量進行疊加重構(gòu)，得到去噪語音模擬信號。本發(fā)明優(yōu)化了現(xiàn)有采用的固定小波閾值去噪時由于閾值選取不合適導(dǎo)致噪聲去除不準(zhǔn)確的問題，通過對模擬信號進行emd分解得到多個分量，使得噪聲信號在每個分量中更直觀的表現(xiàn)出來，然后對每個分量分析其數(shù)據(jù)波動情況確定可能存在的噪聲數(shù)據(jù)并計算噪聲貢獻度，根據(jù)噪聲貢獻度的大小自適應(yīng)確定小波系數(shù)的閾值，從而更準(zhǔn)確的去除可能的噪聲，為詐騙電話的精準(zhǔn)識別提供了高質(zhì)量的語音信號。